MetaPred

BriLLM-MetaPred 是 MetaPred 机器学习框架的首次工程实现。

MetaPred 在几乎所有机器学习关键要素上都表现出对称性，这是数学最优解的一种可观测性质。

常规自监督依赖外部构造的代理任务（如掩码预测、对比学习），而 MetaPred 的自监督信号来自状态自身的测量结果。

MetaPred 的训练和推理共用同一个动力学状态，二者在结构上耦合，模型不需要为推理单独设计路径。

Deep Equilibrium Models 等隐式深度模型与 MetaPred 以收敛性作为训练目标的思路有理论呼应。